主要原因是 Ubuntu 升级后，系统动态库版本更新更名。PyTorch 在引入时调用动态库找不到对应的库进而报错。解决方案是设置一个软连接，让系统在查找低版本动态库时，自动打开高版本动态库。操作如下。首先输入下面命令查询当前动态库版本。根据找不到的动态库名自行更改。ls /lib/x86_64-linux-gnu/libtinfo.so.*/lib/x86_64-linux-gnu/libtin

面对不同场景（如城市到乡村、A数据集到B数据集）的适配挑战，Earth-Adapter平均mIoU达59.0%，较基线提升9.0%，其中在“城市到乡村（U2R）”任务中，性能提升高达24.0%，彻底解决了跨场景适配难题。Earth-Adapter通过“频率拆分+多适配器优化+动态融合”的创新思路，攻克了视觉基础模型在遥感图像分割中的干扰难题，以高效、通用的优势成为该领域的SOTA方案，为遥感AI的

文章：Enhancing Vision Transformers for Object Detection via Context-Aware Token Selection and Packing。效果： ✔ Token 数减少 → 推理更快 ✔ 上下文更清晰 → 检测更准确 ✔ 可接入任意 ViT Backbone（Swin / DeiT / ViT-B）Vision Transformers

文章目录介绍安装使用方法1.传入可迭代对象使用`trange`2.为进度条设置描述3.手动控制进度4.tqdm的write方法5.手动设置处理的进度6.自定义进度条显示信息在深度学习中如何使用介绍Tqdm是 Python 进度条库，可以在 Python长循环中添加一个进度提示信息。用户只需要封装任意的迭代器，是一个快速、扩展性强的进度条工具库。安装pip install tqdm使用方法1.传入可

创建用户组sudo groupadd docker创建用户组的原因：Docker守候进程绑定的是一个unix socket，而不是TCP端口。这个套接字默认的属主是root，其他是用户可以使用sudo命令来访问这个套接字文件。因为这个原因，docker服务进程都是以root帐号的身份运行的。为了避免每次运行docker命令的时候都需要输入sudo，可以创建一个docker用户组，并把相应的用户添加

然而，现有的图像恢复方法通常依赖于任务特定的恢复模式，或者是通用的恢复模型，导致对于复杂的实际应用场景，尤其是涉及多种图像退化情况时，难以高效地处理。传统的图像恢复流程通常要求用户选择适当的恢复模式，缺乏智能化的协作机制，这使得非专业用户很难实现高效的图像恢复。通过混合退化移除工具的应用，比传统的逐步单一退化移除方法显著提高了恢复质量，尤其是在低光照和雾霾图像的恢复任务中。：负责评估恢复图像的质量

AMOT通过融合外观与运动信息的AMC矩阵和轨迹复活MTC模块，解决了无人机多目标跟踪中“匹配不准”“轨迹断裂”的核心痛点，为实时、稳健的无人机监控提供了高效解决方案。VT-MOT-UAV：面对复杂光照和杂乱背景，仍实现52.7%的IDF1和31.8%的MOTA，优于SORT、FairMOT等经典算法。视角多变+运动复杂：无人机飞行时视角频繁切换（近拍变远拍、左拍变右拍），且与地面目标的相对运动剧

通过人工破坏的Mask训练“错误定位能力” ➡️ 强化模型对分割质量的理解能力，解决“永远在修正”的问题。SAM-Veteran 让 ML 模型第一次具备“像人一样分割图像”的能力，是多模态交互式分割的重要一步。分割过程 ✔ Mask理解能力强，具可解释性 ✔ 推理表现强，泛化能力好（跨数据集稳定）在图像分割过程中，随着迭代次数增加，模型逐步判定“足够好”并自动停止，节省计算量。传统图像分割模型往

问题描述RuntimeError: Input type (torch.cuda.FloatTensor) and weight type(torch.FloatTensor) should be the same解决方法对net或者新添加的模块进行转换。解决方法1device = torch.device('cuda:0')net= net.to(device)解决方法2net = net.cu

问题描述RuntimeError: Input type (torch.FloatTensor) and weight type(torch.cuda.FloatTensor) should be the same解决方法方法1device = torch.device('cuda:0')inputs = inputs.to(device)方法2inputs = inputs.cuda()